腹部大動脈瘤のCTAにおける深層学習ベースの体積解析

科学分野:

• 医用画像処理
• 人工知能
• 血管外科

背景:

• 腹部大動脈瘤（AAA）の体積評価は、血管内大動脈修復術（EVAR）前後の評価において極めて重要です。
• 現在の手動による体積解析は時間がかかり、手間がかかります。
• 造影CTアンギオグラフィー（CTA）はAAAの標準的な画像検査法です。

研究 の 目的:

• CTA上の腹部大動脈瘤（AAA）の自動セグメンテーションと体積決定のための人工知能（AI）ネットワークを開発し、検証すること。
• AIネットワークのEVAR前後のAAA評価における性能を評価すること。
• AIツールを使用したワークフロー加速の可能性を評価すること。

主な方法:

• AAAデータセットのグラウンドトゥルースセグメンテーションで深層学習ネットワークをトレーニングしました。
• モデルの一般化可能性を評価するために、内部および外部検証コホートを使用しました。
• AIによって生成された体積（全動脈瘤、内腔、血栓）を手動測定値と相関させ、ワークフロー効率を定量化しました。

主要な成果:

• 全動脈瘤の自動セグメンテーションにおいて高い精度が達成され、平均ダイス類似係数は（内部）0.972、（外部）0.960でした。
• AIによって生成された血栓体積は、グラウンドトゥルースと非常に強い相関を示しました（内部r=0.996、外部r=0.940）。
• 全動脈瘤の解析で117.1秒（56.0%）の大幅な時間節約が観察され、ワークフローの大幅な加速が示唆されました。

結論:

• 開発された機関非依存のAIネットワークは、CTAからの腹部大動脈瘤の正確かつ自動的な体積解析を可能にします。
• このAIツールは評価プロセスを大幅に加速し、手動による体積解析よりも効率的な代替手段を提供します。
• 本研究の結果は、AAA治療における臨床ワークフローと患者管理の改善のためにAIを統合することを支持するものです。